求知
文章
文库
Lib
视频
iPerson
课程
认证
咨询
工具
讲座
Model Center
Code
会员
找课
开班计划
|
技术学院
|
管理学院
|
嵌入式学院
|
机械
|
军工学院
|
定向培养
|
专家指导
|
角色培养
电话
English
成功案例
品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据(Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化
更多...
相关课程
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
更多...
全部课程
>
人工智能
人工智能的软件测试应用
2002 次浏览
58 次
Paul博士
某人工智能技术公司人工智能测试实验室负责人
时间地点:
北京、 深圳、上海根据报名开班
课程费用:
5000元/人
报公开课
要内训
企业内训:
可以根据企业需求,定制内训,详见
内训学习手册
认证方式:
培训前了解能力模型。
培训后进行能力评测:
在线考试
能力分析,给出学习建议
合格者颁发证书,作为职业技能资格证明
人工智能时代,很多软件中都涉及到人工智能的组件,因为对于输入,经过人工智能处理的输出具有一定的模糊性和不确定性,所以人工智能应用的软件测试需要测试工程师具有更多的能力。本课程面向进行人工智能应用测试的工程师,讲解如何人工智能的应用测试的基本框架,相关的人工智能的测试相关的知识、测试数据准备和处理方法,预期结果和实际结果的对比和判定技术,以便让测试工程师简历人工智能应用的测试工作基础。
培训目标:
• 了解人工智能应用测试的基础知识
• 学习人工智能应用测试的数据准备和处理方法
• 预期结果和实际结果判定技术
• 学习一些常见的人工智能应用组件测试技术:图片识别、人脸识别、文本分析、商业智能、预测分析
• 了解人工智能应用的一些测试工具
培训对象:
人工智能应用测试工程师
学员基础:
具有一定测试经验,了解人工智能基本知识
授课方式:
定制课程 + 案例讲解 + 小组讨论,60%案例讲解,40%实践演练
培训
内容:2天
第一节 人工智能应用的测试基础
人工智能应用测试的特点
机器学习测试与传统软件测试的差异
从机器学习标准正确性 correctness 、鲁棒性 robustness 、私密性 privacy 、效率性 efficiency 以及公正性 fairness
测试流程中 AI 的介入
测试当前状态
测试最近代码变化
代码覆盖率
测试过程中数据如何收集
哪些数据准备和提取是有用的
使用深度学习自动生成单元测试和参数化
机器学习系统测试的三大要素和测试流程
深度学习测试当前所面临的一些挑战
第二节 利用决策树模型进行进行离散测试数据处理
人工智能应用的逻辑判定复杂度引起的海量测试数据问题 决策树模型的数据处理原则
如何利用决策树模型进行测试数据处理
熵、联合熵、条件熵、 KL 散度、互信息
最大似然估计与最大熵模型
ID3 、 C4.5 、 CART 详解
决策树的正则化
预剪枝和后剪枝
Bagging
随机森林
不平衡数据集的处理
利用随机森林做特征选择
使用随机森林计算样本相似度
异常值检测
提升为什么有效
梯度提升决策树 GBDT
XGBoost 算法详解
Adaboost 算法
加法模型与指数损失
XGBoost 库使用学习算法的本质
Adaboost 用于蘑菇数据分类
Adaboost 与随机森林的比较
测试案例实践:
决策树应用于回归
多标记的决策树回归
决策树和随机森林的特征选择与因子提取
葡萄酒数据集的决策树 / 随机森林分类
用户流失率分析与预估
第三节 利用卷积神经网络优化海量测试对象
从海量型号的手机 app 测试谈起
海量测试对象带来的测试成本问题
优化海量测试的对象的技术和方法
神经网络结构,滤波器,卷积
池化,激活函数,反向传播
目标分类与识别、目标检测与追踪
AlexNet 、 VGGNet 、 GoogleLeNet
Inception-V3/V4
ResNet 、 DenseNet
测试案例实践:
金融数据与卷积网络的关系与分析
时间序列分析与卷积应用
数字图片分类
以图搜图
人证合一
卷积神经网络调参经验分享
第四节 时间序列测试的人工智能支持
时间序列测试的特点和难点
空间相关测试的特点和难点
时间、空间相关数据的建模工具 : 循环神经网络
时间序列预测的常用方法
测试行业与时间序列的关系
时间序列数据与文本处理的关系
数据特征与词向量在非文本行业的应用
文本分类:基于 CNN 和基于 LSTM 的方法比较
LSTM 可以用于数据测试吗?
时间、空间相关的测试实践:
阅读理解
问答系统
情感分析
时间、空间相关的
测试案例:
HMM 分词及 CRF 的异同
文本摘要的生成
智能对话系统和 SeqSeq 模型
阅读理解的实现与 Attention
第五节 测试数据清洗方式和案例分析
测试数据的质量要求和数据清洗的必要性
数据清洗章节放在模型搭建之后的原因
实际生产问题中算法和特征的关系
股票数据、时间特征的数据特征提取和应用
一致性检验
缺失数据的处理
环境数据异常检测和分析
模糊数据查询和数据校正方法、算法、应用
鸢尾花数据与分类模型
测试案例实践:
scikit-learn 的特征工程典型使用
损失函数的绘制
卷积与 ( 指数 ) 移动平均线
股票数据分析
第六节 测试结果评估:使用机器学习手段的特征提取和模型评估
测试结果评估的目标和策略
人工智能对测试结果评估的支持方法
测试结果评估的方法和实践:
交叉验证:对回归器、分类器的性能估计
交叉验证与模型选择
超参数的调整方案
全量 Grid 计算
随机参数优化
性能度量方案的选择
自定义评价方案
组合模型的参数优化
模型的并行化和发展
AIC/BIC 等信息论原则
模型的定量和定性评价
分类、多标签、回归、聚类模型的评价异同
模型持久化
学习曲线
报公开课
要内训
2002 次浏览
58 次
其他人还看了课程
基于AI和大数据的知识图谱培训
4073 次浏览
人工智能-图像处理和识别
2724 次浏览
Python数据分析、机器学习与人工智能
3356 次浏览
机器学习应用实践
2956 次浏览
大模型与Sora技术应用
861 次浏览
机器学习和数据挖掘课程
2525 次浏览
最新活动计划
数据建模方法与工具 12-16[北京]
基于模型系统仿真与验证 12-14
[讲座]
白盒测试技术与工具实践 12-24[线上]
LLM大模型应用与项目构建 12-26
[特惠]
UML和EA进行系统分析设计 12-20[线上]
SysML建模专家 1-16[北京]